特質正念對初中生學業(yè)情緒預測偏差的影響*

孫 琳 段 濤 劉 偉 陳 寧

特質正念對初中生學業(yè)情緒預測偏差的影響

孫 琳段 濤劉 偉陳 寧

(上海師范大學心理學系, 上海 200234)(煙臺文化旅游職業(yè)學院, 山東 煙臺 264003)

基于真實考試和實驗室模擬情境, 考察特質正念對初中生學業(yè)情緒預測偏差的影響及其機制。結果表明：(1)學業(yè)領域存在情緒預測偏差; (2)特質正念影響情緒預測偏差, 特質正念水平高的初中生情緒預測偏差相對更小, 反之則更大; (3)注意聚焦在特質正念影響情緒預測偏差中存在中介作用。本研究初步提出正念的“擴大?聯(lián)結”解釋模型, 推進了學業(yè)領域情緒預測的研究, 具有良好的生態(tài)學效度和切實的教育實踐價值。

情緒預測偏差, 特質正念, 注意聚焦, 學業(yè)情緒, 生態(tài)學效度

1 引言

設想即將到來的一場考試, 如果成功我們會有多興奮、滿意, 抑或失利會有多難過、沮喪? 像這樣, 預測未來事件發(fā)生時情緒反應的過程即是情緒預測(affective forecasting) (Gilbert & Wilson, 2009; Miloyan & Suddendorf, 2015), 它是一種基于對未來事件的心理模擬產生的虛擬情緒體驗, 是想象積極或消極未來事件的前事實思考(prefactual thinking)的結果(陳寧, 2014)。再設想一下, 當?shù)弥约嚎荚嚦煽兊南r, 我們的情緒果真會如當初預測的一樣嗎? 亦即我們是否準確地預測了未來的情緒反應? 遺憾地是, 人們的情緒預測能力并非盡善盡美。20多年來的研究發(fā)現(xiàn), 對未來事件發(fā)生時情緒反應的預測和實際情緒體驗之間的分離現(xiàn)象——情緒預測偏差(affective forecasting biases), 廣泛存在于各種情境、各個年齡群體之中(Brenner & Ben- Zeev, 2014; Gautam et al., 2017; Hezel et al., 2019; Hoerger, Scherer & Fagerlin, 2016; Kopp et al., 2017; Kumar & Epley, 2018; Loehr & Baldwin, 2014; Thompson et al., 2017; 耿曉偉, 姜宏藝, 2017)。

學業(yè)是青少年期的重要發(fā)展任務, 也是青少年情緒發(fā)生的核心場景之一。在青少年的學業(yè)生涯中, 考試評價和成就反饋不僅為青少年所特別關注, 也是青少年自我高度卷入的情緒情境。考試和反饋不但會誘發(fā)青少年的情緒體驗, 這種即時性學業(yè)情緒對青少年學業(yè)發(fā)展具有重要意義(董妍, 俞國良, 2007), 而且會引發(fā)青少年對未來考試和反饋做出種種情緒的猜想和預測, 這種前瞻性學業(yè)情緒同樣在青少年學業(yè)決策和學業(yè)投入中具有重要價值。雖然學業(yè)是青少年日常性的生活場景, 其情緒經驗不可謂不豐富, 但由于對未來事件的表征(presentation)或想象(imagination)等心理模擬是一種高級認知能力(Wilson & Gilbert, 2003; 陳寧等, 2013), 因此學業(yè)情境中的心理模擬并非易事, 在學業(yè)領域中同樣存在情緒預測偏差問題, 目前國內外已有少量研究對此進行了考察(如Hong et al., 2016; Lench et al., 2019; Pollmann & Finkenaue, 2009; 耿曉偉等, 2019)。例如Lench等人(2019)在研究1中選取考試情境, 請被試預測獲悉考試結果后的情緒, 結果發(fā)現(xiàn)在情緒強度、頻率乃至具體情緒方面都出現(xiàn)了偏差。國內, 耿曉偉等人(2019)研究發(fā)現(xiàn), 初中生對考試和學習競賽的積極、消極結果的情緒預測中都出現(xiàn)了偏差。耿曉偉等認為, 初中生對刺激的情緒反應更極端, 對學習結果發(fā)生時的情緒預測更容易受中心事件影響并導致影響偏差。Pollmann和Finkenaue (2009)以大學生為被試, 也發(fā)現(xiàn)成就反饋情境中被試出現(xiàn)了情緒預測偏差。本研究將通過真實考試和模擬情境, 進一步證實考試評價和成就反饋這類自我高度卷入的學業(yè)情境中存在情緒預測偏差(假設1)。

從偏差現(xiàn)象的發(fā)現(xiàn)和確證, 到探討偏差發(fā)生的成因、從而為偏差矯正和干預提供依據(jù), 是情緒預測研究領域一個顯見的發(fā)展趨勢(孫琳等, 2020)。這方面, 認知類(Levine & Cohen, 2018; Wilson et al., 2001;耿曉偉, 張峰, 2015; 耿曉偉等, 2020; 羅寒冰等, 2013)、動機類(Mata & Sim?o, 2019; Pauket et al., 2016)等方面的影響因素得到更多關注。也有一些研究發(fā)現(xiàn), 情緒預測偏差的發(fā)生、特別是這種偏差的方向和強度, 需要從人格角度尋找原因(孫琳等, 2020), 如大五人格(Hoerger & Quirk, 2010)、情緒智力(Hoerger et al., 2012)、內外向(Zelenski et al., 2013)等。近年來, 作為一種人格特質的特質正念(dispositional mindfulness)與情緒預測之間的關系開始進入研究者視野。Emanuel等人(2010)率先進行了這方面研究, 他們使用“五因素正念問卷” (FFMQ)測量被試的特質正念, 請被試預測2008年美國總統(tǒng)大選結果后的情緒, 結果發(fā)現(xiàn), 在心儀的候選人獲勝或失利情境下高特質正念水平者都表現(xiàn)出較高的情緒預測準確性。嗣后, Kong (2015)的研究也發(fā)現(xiàn), 那些具有高特質正念的人能更準確地預測其適應性焦慮, 且能夠降低神經質與預測偏差之間的關系。在Hong等人(2016)的學業(yè)情境現(xiàn)場實驗中, 被試在測量特質正念后被隨機分配到正念任務(正念誘發(fā))、對照任務或基線條件中, 并預測完成考試和收到考試成績時的積極和消極情緒。結果發(fā)現(xiàn), 正念任務組更準確地預測了積極和消極情緒, 但特質正念僅在預測考試結束時負性情緒上表現(xiàn)出更小的偏差, 而在預測收到考試成績后的情緒時并未表現(xiàn)出穩(wěn)健的預測準確性。

盡管迄今為止僅有上述少數(shù)實證研究, 且特質正念對預測不同效價未來情緒的影響上表現(xiàn)出不一致結果, 但卻開創(chuàng)了從人格方面揭示情緒預測偏差成因的一個嶄新視角。根據(jù)Hill和Updegraff (2012)的觀點, 特質正念水平較高的個體可以更好地區(qū)分情緒, 更客觀地認識到自身對各種生活事件(包括積極和消極事件)的情緒反應。這無疑為促進個體對當前和未來潛在情緒的客觀認識提供了可能(Emanuel et al., 2010; Kong, 2015)。青少年擁有豐富的學業(yè)情緒體驗(董妍, 俞國良, 2007), 尤其在我國當前教育背景下, 青少年群體更為看重考試和反饋, 也更為頻繁地體驗和判斷學業(yè)結果帶來的情緒, 因而特質正念的這種作用可能表現(xiàn)得更為普遍和穩(wěn)定。由此我們提出假設2：特質正念影響學業(yè)情緒預測偏差, 高正念水平被試的偏差相對更小, 且這種作用在學業(yè)成敗情境中都有體現(xiàn)。

特質正念何以降低情緒預測偏差呢？對文獻進行回溯后發(fā)現(xiàn), “正念?注意?情緒預測”之間的關聯(lián)路徑可能是其中重要的機制。首先, 就注意和情緒預測的關系來說, 研究表明, 注意聚焦或聚焦錯覺(focalism)是情緒預測偏差的關鍵認知成因(Wilson & Gilbert, 2003; 孫琳等, 2020)。這是一種注意資源分配的不合理或錯誤現(xiàn)象。研究發(fā)現(xiàn), 在情緒預測時, 無論是僅注意到焦點事件而忽視更為廣闊的生活中其它事件(Wilson et al., 2000), 還是忽視完整的事件進程(Ruby et al., 2011)、忽視事件的環(huán)境影響(Lench et al., 2011)、忽視自身的情緒適應能力(Wilson & Gilbert, 2003)等, 都導致錯誤地預測未來情緒反應。因此, 促進注意的合理分配、避免聚焦錯覺的發(fā)生, 可以降低情緒預測偏差。

其次, 就正念和注意的關系來看, 研究表明, 正念的核心機制是注意(彭彥琴, 居敏珠, 2013)。Bishop等人(2004)認為正念有兩個最關鍵的因素：一是注意的自我調節(jié), 涉及注意調節(jié)和意識監(jiān)控兩個認知控制過程; 二是經驗定向, 包括好奇心和對自身有關經驗的接納。對此, Shapiro等人(2006)更進一步指出特質正念具有適應性心理功能。我們推斷認為, 一方面正念能夠擴大注意范圍、提升認知功能, 因而促進了對情緒和情緒線索的理解和情緒調節(jié); 另一方面, 正念促進個體將過去和現(xiàn)在的情緒經驗聯(lián)結起來, 并指導未來的情緒理解和調節(jié)適應。也就是說, 通過正念的擴大和聯(lián)結兩個機制, 使得被試雖然注意的是當下、卻不狹窄地聚焦于當前的唯一情境事件而忽視生活中的其它事件和自身的適應能力, 從而降低注意聚焦程度乃至避免聚焦錯覺的發(fā)生, 進而降低情緒預測偏差。

綜上所述, 我們推測, 特質正念可以通過促進注意范圍的擴大和情緒經驗的聯(lián)結, 弱化狹窄的注意聚焦, 更好地前瞻模擬未來的情緒生活。恰如Hong等人(2016)基于正念的本質所強調的, 正念可以提高一個人更客觀地意識和接受不同的過去和現(xiàn)在經歷的能力, 這種高度的認知和接受反過來可以提高一個人處理多種經歷的能力, 而不是僅僅關注當前最突出的經歷, 從而降低情緒預測錯誤的可能性(或大小)。由此, 我們提出假設3：特質正念通過弱化注意聚焦進而降低預測偏差, 即注意聚焦在特質正念對學業(yè)情緒預測偏差的影響中起中介作用。

本研究以初中階段青少年為被試, 通過3個實驗來檢驗上述假設。研究1基于真實考試情境的現(xiàn)場實驗, 研究2基于成就反饋的實驗室模擬情境, 考察初中生是否存在學業(yè)情緒預測偏差以及特質正念對偏差的影響。研究3基于成就反饋的現(xiàn)場模擬實驗, 初步探討注意聚焦的中介作用。

本研究旨在考察學業(yè)情緒預測是否存在偏差以及特質正念和注意聚焦的作用, 因此采取絕對偏差指標(absolute bias)能夠直接反映情緒預測偏差的大小(Dunn et al., 2007; Hoerger et al., 2012), 它是預期情緒和實際情緒之間的差值的絕對值, 若顯著大于0則存在情緒預測偏差。為進一步反映在學業(yè)情境中學生的情緒預測是否存在高估或低估趨勢, 為教育實踐提供更多有價值的信息, 本研究也對相對偏差(relative bias)進行了考察, 它是預期情緒和實際情緒之間的差值, 正值表示高估, 負值表示低估(Sevdalis & Harvey, 2007)。

2 研究1：真實考試情境現(xiàn)場實驗

2.1 設計

采用單因素被試間實驗設計, 自變量含高、低特質正念兩個水平。在上海市某公辦初中以8個班級為單位整群抽樣, 獲得有效被試267人, 其中男生129名, 女生138名; 7年級107人, 8年級160人。

2.2 材料

特質正念量表。由鄧玉琴(2009)根據(jù)五因素正念量表(the Five Factor Mindfulness Questionnaire, FFMQ) (Baer et al., 2006)修訂, 共39題, 采用5點計分。驗證性因素分析結果顯示(= 267)：χ/2.87, RMSEA = 0.084, CFI = 0.86, IFI = 0.86, NNFI = 0.85。Cronbach’s系數(shù)為0.79, 本研究中為0.71。

學業(yè)情緒預測和體驗情緒詞測量。首先, 從積極?消極情緒量表(PANAS, Watson et al., 1988)以及學業(yè)情緒量表(董妍, 俞國良, 2007)中選取積極情緒詞和消極情緒詞30個; 然后, 請10名心理學專業(yè)研究生分析、討論, 選取更符合學業(yè)情境的積極和消極情緒詞各8個; 第三步, 在上海市另一所公辦學校選取95名初中生, 請被試回憶學業(yè)目標實現(xiàn)和未實現(xiàn)后最常體驗的情緒, 按照詞頻超過40%標準(董妍, 俞國良, 2007), 選擇快樂、興奮、欣喜和難過、無助、沮喪6個情緒詞, 含積極和消極情緒兩個維度, 5點計分。驗證性因素分析結果表明結構效度良好(= 267)：χ/1.92, RMSEA = 0.05, GFI = 0.99, AGFI = 0.96, CFI = 0.99, IFI = 0.99。預測和體驗的積極與消極情緒詞Cronbach’s系數(shù)分別為0.88、0.90、0.91、0.92。

未來事件發(fā)生概率判斷任務。根據(jù)心境一致性效應, 積極情緒會增加個體對未來積極事件發(fā)生概率的判斷, 消極情緒會增加個體對未來消極事件發(fā)生概率的判斷(張萍等, 2012)。因此, 可根據(jù)被試對未來事件發(fā)生概率的判斷傾向, 來佐證被試的情緒體驗自我報告真實性。本研究采取陳寧等人(2014)編制的初中生未來事件發(fā)生概率判斷任務問卷, 含積極和消極事件兩個維度, 各10個項目。驗證性因素分析結果表明指標擬合良好(= 267)：χ/1.80, RMSEA = 0.06, GFI = 0.90, AGFI = 0.87, CFI = 0.87, IFI = 0.88, 2個維度Cronbach’s系數(shù)分別為0.81、0.78。

2.3 程序

第一階段測量。2020～2021學年第一學期期中考試前一周, 由經過培訓的心理學研究生為主試進入抽樣班級, 先實施特質正念測量后, 再請被試報告期中考試的總目標, 最后請被試預測實現(xiàn)目標的積極情緒與未實現(xiàn)目標的消極情緒。

第二階段測量。請參加實驗的學校同一天反饋各科考試成績, 并在被試獲知全部成績后的當天, 主試們再次進入抽樣班級, 先請被試回憶第一階段報告的期中考試總目標、再報告是否實現(xiàn)了考前的目標預期, 據(jù)此將其分為目標實現(xiàn)組和未實現(xiàn)組。再請實現(xiàn)目標的被試報告此刻的積極情緒、未實現(xiàn)目標的被試報告此刻的消極情緒, 最后完成未來事件發(fā)生概率判斷任務。

2.4 結果

2.4.1 操縱檢驗

兩階段考試目標的相關。對考試前后預期和回憶的考試目標進行相關分析,= 0.42,< 0.001; 再將兩次目標相減, 若等于0則表示預期和回憶完全一致, 結果顯示完全一致率為59%, 沒有出現(xiàn)1例目標完全相反的報告。說明兩階段測量中被試認真參與了實驗。

特質正念差異。對目標實現(xiàn)組和未實現(xiàn)組的特質正念進行獨立樣本檢驗, 結果顯示, 前者(= 123.04,= 13.23)與后者(= 122.38,= 14.26)的特質正念無顯著差異,= 0.70。

情緒體驗自我報告真實性。相關分析顯示, 目標實現(xiàn)組中, 積極情緒體驗與未來積極事件發(fā)生概率判斷相關為0.14, 呈正相關趨勢(= 0.12); 目標未實現(xiàn)組中, 消極情緒體驗與未來消極事件發(fā)生概率判斷相關為0.31, 呈顯著正相關(< 0.001)。這在一定程度上為學生情緒體驗報告的真實性提供了佐證(陳寧等, 2013)。

2.4.2 假設檢驗

檢驗假設1。將兩組的絕對偏差分別和0 (表示情緒預測不存在偏差)做單樣本檢驗, 結果顯示, 目標實現(xiàn)組(= 0.99,= 0.83)的差異顯著,(121) = 13.17, 95% CI = [0.85, 1.14],< 0.001; 目標未實現(xiàn)組的差異顯著(= 0.92,= 0.90),(144) = 12.34, 95% CI = [0.77, 1.07],< 0.001。說明初中生在積極和消極學業(yè)情境中均存在情緒預測偏差。假設1得到證實。

檢驗假設2。根據(jù)特質正念得分將兩組被試分別分為高、低正念組, 以絕對偏差為因變量進行獨立樣本檢驗(見表1)：對目標實現(xiàn)組, 高特質正念組比低特質正念組的絕對偏差更小,(120) = 2.30,< 0.05, 95% CI[0.05, 0.63],= 0.42; 對目標未實現(xiàn)組, 也呈現(xiàn)同樣結果,(143) = 2.50,< 0.05, 95% CI[0.08, 0.66],= 0.41。說明無論考試目標是否實現(xiàn), 特質正念高的個體情緒預測偏差相對更小。假設2得到證實。

進一步對特質正念高低組的相對偏差進行獨立樣本檢驗, 結果發(fā)現(xiàn)差異均不顯著：對目標實現(xiàn)組,(120) = ?0.37,0.71; 對目標未實現(xiàn)組,(143) = ?1.83,0.07。說明盡管特質正念水平影響情緒預測偏差(絕對偏差), 但并未表現(xiàn)出明顯的高低估趨勢(相對偏差)。

2.5 小結

研究1中, 我們選擇期中考試這一典型的真實學業(yè)情境進行現(xiàn)場實驗, 發(fā)現(xiàn)無論是積極的學習結果還是消極的學習結果, 初中生的學業(yè)情緒預測能力總體較差, 存在學業(yè)情緒預測偏差。另外, 特質正念影響情緒預測偏差：特質正念水平高的初中生表現(xiàn)出更小的學業(yè)情緒預測偏差, 反之更大, 但高低估趨勢不顯著。在此基礎上, 研究2采取更為嚴謹?shù)亩嘁蛩貙嶒炇以O計, 進一步檢驗假設。

3 研究2：成就反饋情境實驗室實驗

3.1 設計

采用2 (特質正念：高/低) × 2 (成就反饋：成功/ 失敗)混合實驗設計, 后者為被試內變量。被試從研究1中選取。根據(jù)G*Power3.1的計算, 設定統(tǒng)計檢驗力1 ?= 0.80、雙側檢驗= 0.05、效應量= 0.8的前提下, 進行方差分析需要的最低被試量為64。按30%的標準, 將研究1中特質正念得分最低和最高的各39名被試作為低、高特質正念組, 完整做完實驗的有效被試70名, 男生31名, 女生39名; 7年級37人, 8年級33人。

3.2 材料

學業(yè)情緒預測和體驗情緒詞測量。將研究1中的消極情緒詞反向計分, 合并為統(tǒng)一的積極情緒均值。本實驗中成敗兩種情境中預測和體驗的Cronbach’s系數(shù)分別為0.83、0.95、0.92、0.92。

組詞任務實驗材料。首先, 參照Pollmann和Finkenaue (2009)研究中的遠距離聯(lián)想測驗(the Remote Associates Test, RAT)和朱平原(2010)編制的中文遠距離聯(lián)想測驗簡易版(簡易中文 RAT) (Cronbach’s系數(shù)為0.78, 重測信度為0.91), 請8名心理學專業(yè)研究生分析、討論, 改編為適合初中生的20題組詞任務。然后, 請上海市另一所公辦學校的95名初中生在規(guī)定的5分鐘內試測, 選擇正確率最高和最低的題目各5道作為正式實驗材料, 其余作為練習題目。本實驗通過該模擬任務、并通過控制題目的難易程度來實現(xiàn)積極、消極成就反饋。

3.3 程序

實驗全部在電腦上通過E-prime呈現(xiàn)完成。首先, 向被試介紹組詞任務并進行練習。隨后, 請被試對正式組詞任務挑戰(zhàn)成功或者失敗的情緒進行預測, 成敗反饋的指導語為“根據(jù)以往測驗結果, 初中生平均正確率60%, 若你的成績高于這一水平, 則挑戰(zhàn)成功, 反之挑戰(zhàn)失敗。”接著, 被試完成3題代數(shù)運算的分心活動, 再進行組詞任務(成功、失敗反饋順序進行了組間平衡)。繼而, 在被試獲得成敗反饋后即刻評定情緒體驗。最后, 請被試完成組詞任務熟悉度評定(“你覺得本次組詞題目的陌生程度如何” “你之前遇到過類似的題目嗎”), 5點計分。實驗結束后對結果充分解釋并致謝, 避免影響被試學習信心。

表1 研究1描述性統(tǒng)計結果(M ± SD)

3.4 結果

3.4.1 操縱檢驗

熟悉度評定。獨立樣本檢驗結果顯示, 低特質正念組(= 2.26,= 0.86)與高特質組(= 1.94,= 1.04)對任務熟悉度沒有顯著差異,(68) = ?1.40,= 0.17。

成敗反饋效果檢驗。對成功反饋和失敗反饋的情緒體驗進行配對樣本檢驗, 結果顯示, 成功反饋情境(= 3.38,= 1.07)與失敗反饋情境(= 2.67,= 1.24)的差異顯著,(69) = 4.73, 95% CI = [0.41, 1.01],< 0.001。表示組詞任務的反饋有效。

3.4.2 假設檢驗

檢驗假設1。將情緒預測絕對偏差和0做單樣本檢驗, 結果顯示, 成功反饋情境(= 0.74,= 0.63)的差異顯著,(69) = 9.86, 95% CI = [0.59, 0.89],< 0.001; 失敗反饋情境的差異顯著(= 1.13,= 0.89),(69) = 10.58, 95% CI = [0.92, 1.34],< 0.001。說明初中生在積極和消極情境中均存在學業(yè)情境中存在情緒預測偏差。假設1再次得到證實。

檢驗假設2。以成就反饋(成功/失敗)和特質正念(高特質正念/低特質正念)為自變量, 以絕對偏差為因變量, 進行重復測量方差分析。結果表明(見表2), 反饋結果的主效應顯著,(1, 68) = 7.46,< 0.01, η= 0.10, 90% CI[0.01, 0.22], 成功反饋情境的情緒預測偏差(= 0.73,= 0.07)低于失敗反饋情境的情緒預測偏差(= 1.13,= 0.10); 特質正念的主效應顯著,(1, 68) = 11.65,< 0.001, η= 0.15, 90% CI[0.04, 0.27], 高特質組的情緒預測偏差(= 0.74,= 0.08)顯著低于低特質組的情緒預測偏差(= 1.12,= 0.08 )。交互作用不顯著,(1, 68) = 0.10,= 0.75。結果表明, 不管成就反饋的結果是成功還是失敗, 特質正念高的個體情緒預測偏差相對更小。假設2再次得到證實。

進一步對特質正念高低組的相對偏差進行獨立樣本檢驗, 結果發(fā)現(xiàn)差異均不顯著：成功反饋情境下,(68) = 0.59,= 0.56; 失敗反饋情境下,(143) = 0.17,= 0.87。這和研究1結果一致。

3.5 小結

研究2通過更為嚴格的多因素實驗室實驗, 進一步證實學業(yè)情緒預測偏差的存在, 這種偏差既表現(xiàn)在積極事件上, 也表現(xiàn)在消極事件上。進一步發(fā)現(xiàn), 特質正念水平高的初中生表現(xiàn)出更小的學業(yè)情緒預測偏差, 反之更大, 但高低估趨勢不顯著。研究3將通過成就反饋情境的現(xiàn)場實驗, 初步探索特質正念影響情緒預測偏差的心理機制。

4 研究3：成就反饋情境現(xiàn)場實驗和中介作用檢驗

4.1 設計

采用2 (特質正念：高/低) × 2 (成就反饋：成功/ 失敗)被試間實驗設計。根據(jù)G*Power 3.1的計算, 以往研究設定統(tǒng)計檢驗力1 –= 0.80, 雙側檢驗= 0.05, 效應量= 0.8的前提下, 進行方差分析所需要的被試量為128。據(jù)此, 在上海市另一所公辦初中整群選取4個班被試136名, 男生72名, 女生64名; 6年級88人, 7年級48人。

4.2 材料

特質正念量表。同前, 本次Cronbach’s系數(shù)為0.59。

學業(yè)情緒預測和體驗情緒測量。同研究2, 本次預測和體驗問卷Cronbach’s系數(shù)分別為0.60、0.67、0.81。

組詞任務實驗材料。根據(jù)初中生實際學業(yè)水平以及實驗的需要, 按照2名專家建議, 根據(jù)研究2材料評定結果, 將組詞任務中成功、失敗反饋的題目各增設5道, 共20題。

注意聚焦測量。參照以往研究中注意聚焦的概念和操作(Wilson et al., 2000), 通過“對學生而言, 成績是生活的全部”“考試的結果很長一段時間會占據(jù)我的大腦”“生活中除了學習之外, 還有很多其他的事情(反向)”等3題測量注意聚焦, 5級計分, 得分越低表示被試注意越是聚焦于預測的中心事件(即出現(xiàn)聚焦錯覺)。Cronbach’s系數(shù)為0.60, 因測量指標少于6個, 該系數(shù)達到0.6表明變量是可靠的(Hair et al., 2010)。

表2 研究2描述性統(tǒng)計結果(M ± SD)

表3 研究3描述性統(tǒng)計結果(M ± SD)

未來事件發(fā)生概率判斷任務。同前, 本次積極、消極兩個維度Cronbach’s系數(shù)分別為0.72、0.68。

4.3 程序

由經過培訓的心理學研究生為主試進入抽樣班級, 首先請被試完成特質正念量表、注意聚焦測量, 并請被試對接下來的組詞活動成敗情緒進行預測。然后, 組織被試完成組詞任務。活動結束后, 主試投影統(tǒng)一公布答案, 請被試自行對照答案完成反饋, 并完成情緒體驗、未來事件發(fā)生概率判斷 測量。

4.4 結果

4.4.1 操縱檢驗

情緒體驗自我報告的真實性。相關分析顯示, 積極情緒體驗與未來積極事件發(fā)生概率判斷相關為0.23 (0.049 < 0.05), 重復測量方差分析表明, 交互效應邊緣顯著,(1, 134) = 3.07, η0.02,= 0.08, 對于未來積極事件發(fā)生概率的判斷, 成功反饋組(= 16.39,= 2.66)高于失敗反饋組(= 15.63,= 2.36), 而對未來消極事件發(fā)生概率的判斷, 成功反饋組(= 14.55,= 2.61)低于失敗反饋組(= 15.03,= 2.98)。這為初中生情緒體驗報告的真實性提供了佐證。

4.4.2 假設檢驗

檢驗假設1。將情緒預測絕對偏差和0做單樣本檢驗, 結果顯示, 成功反饋情境下(= 0.32,= 0.35)差異顯著,(70) = 7.74, 95% CI = [0.24, 0.40],< 0.001; 失敗反饋情境下(= 0.70,= 0.75)差異顯著,(64) = 7.52, 95% CI = [0.51, 0.88],< 0.001。假設1繼續(xù)得到證實。

檢驗假設2。以成就反饋(成功/失敗)和特質正念(高/低)為自變量, 以絕對偏差為因變量, 進行方差分析, 結果表明(見表3), 特質正念的主效應顯著,(1, 135) = 7.62,< 0.01, η= 0.06, 90% CI = [0.01, 0.12], 高特質正念組的情緒預測偏差(= 0.36,= 0.47)顯著低于低特質正念組的情緒預測偏差(= 0.65,= 0.69); 成就反饋的主效應顯著,(1, 135) = 13.90,< 0.001, η= 0.10, 90% CI = [0.03, 0.18], 失敗反饋情境(= 0.70,= 0.75)下的情緒預測偏差顯著高于成功反饋情境(= 0.32,= 0.39); 交互作用不顯著,(1, 135) = 0.01,= 0.91。假設2繼續(xù)得到了驗證。

進一步對特質正念高低組的相對偏差進行獨立樣本檢驗, 結果發(fā)現(xiàn)：成功反饋情境下發(fā)現(xiàn)特質正念的作用,(69) = ?2.19,< 0.05, 90% CI[?0.44, ?0.02]; 但失敗情境中高低特質正念組相對偏差無差異,(63) = 1.54,0.13。

檢驗假設3。統(tǒng)計發(fā)現(xiàn), 情緒預測偏差與特質正念呈負相關(= ?0.239,< 0.01), 與注意聚焦呈負相關(= ?0.285,< 0.01), 特質正念與注意聚焦成正相關(= 0.284,< 0.01)。根據(jù)Hayes (2013)建議, 采用Bootstrap的方法, 選擇模型4進行中介效應檢驗(特質正念為虛擬變量, 1 = 低, 2 = 高)。結果顯示：注意聚焦的中介作用顯著(見表4), 間接效應大小為?0.08, 95%置信區(qū)間[?0.18, ?0.02]不包含0 (圖1, 表5), 說明注意聚焦中介了特質正念對學業(yè)情緒預測偏差的影響。

表4 注意聚焦的中介模型檢驗

表5 注意聚焦總效應、直接效應及中介效應分解表

圖1 注意聚焦在特質正念對情緒預測偏差中的中介作用

4.5 小結

研究3再次發(fā)現(xiàn), 初中生存在學業(yè)情緒預測偏差, 不管成就反饋成功或者失敗, 特質正念高者都表現(xiàn)出了更小的情緒預測偏差。中介作用分析表明, 注意聚焦在特質正念影響情緒預測偏差中起中介作用。

5 總討論

5.1 學業(yè)情緒預測偏差穩(wěn)定存在

人們對未來充滿想象, 但預測未來并非易事, 預測未來的情緒體驗更是困難。20余年來數(shù)百個研究報告在數(shù)十個預測情境中, 如戀愛(Green et al., 2013)、求職(Lench et al., 2019)等生涯發(fā)展事件, 金錢得失(Pauketat et al., 2016)、體育賽事(Lau et al., 2016)等日常生活事件, 甚至總統(tǒng)選舉(Lench et al., 2019)、恐怖襲擊(Dore et al., 2016)等社會公共事件, 普遍證實情緒預測偏差的廣泛存在。對于不同群體來說, 生涯任務和情緒生活是不完全相同的。對青少年來說, 學業(yè)是其十分關注、高度卷入的發(fā)展任務和情緒情境。近年來越來越多的研究發(fā)現(xiàn), 想象未來與自我有著密切聯(lián)系(Rasmussen & Berntsen, 2014), 個體在日常生活中期待的情緒的強度, 與其對個人的重要性有關(Barsics et al., 2016)。與自我相關、對自我極具重要性的學業(yè)情境中, 情緒預測偏差是否也普遍性存在呢？

為此, 本研究開展了3個研究：在研究1中, 我們在以真實期中考試為情境的現(xiàn)場實驗中, 為防止不同效價情緒詞的相互干擾, 請被試分別預測目標實現(xiàn)和未實現(xiàn)的積極和消極情緒及獲知成績后的積極或消極情緒體驗; 研究2和研究3基于成就反饋范式, 分別運用實驗室和現(xiàn)場模擬實驗, 分別采取組內和組間設計, 且都將消極情緒詞反向計分后合并為整體的積極情緒得分。3個研究結果一致表明, 初中生未能準確預測自己的情緒體驗。與以往學業(yè)領域情緒預測僅有的少數(shù)幾個報告相比(Hong et al., 2016; Lench et al., 2019; 耿曉偉等, 2019), 本研究結果是基于不同設計和測量獲得的, 反映出學業(yè)情緒預測偏差的穩(wěn)定性, 也更進一步證實了偏差的領域普遍性和個體對未來情緒生活進行心理模擬的難度和困境。

5.2 特質正念降低學業(yè)情緒預測偏差

在情緒預測的這種困境面前, 人們是否就束手無策了呢？本研究3個實驗一致表明：特質正念可顯著減低偏差的大小和程度。迄今雖僅有幾個研究考察特質正念與情緒預測偏差的關系(Emanuel et al., 2010; Hong et al., 2016; Kong, 2015), 但這些研究也都發(fā)現(xiàn)了特質正念的作用。然而與Hong等人(2016)僅發(fā)現(xiàn)特質正念只降低了負性情緒預測偏差不同的是, 本研究發(fā)現(xiàn)特質正念對預測偏差的作用, 在積極和消極情境中同樣存在, 并不受事件效價的影響(3個實驗都沒有交互作用)。為證實這一點, 我們綜合3個實驗數(shù)據(jù)進行了實驗內的元分析, 結果發(fā)現(xiàn)：在積極情境中(考試目標實現(xiàn)、成功反饋), 特質正念的平均效果量= 0.56,= 4.31,< 0.001; 消極情境中(考試目標未實現(xiàn)、失敗反饋), 特質正念的平均效果量= 0.42,= 3.47,< 0.001。這充分體現(xiàn)出特質正念降低學業(yè)情緒預測偏差的跨情境穩(wěn)健性。

對此結果, 我們可以從直接作用和間接作用兩方面予以解釋。在直接作用上, “覺察” “接納” “不評判” “開放”等被視為正念概念的核心內涵(Kabat-Zinn, 2003), 這也恰是被廣泛用于測量特質正念的五因素正念量表(FFMQ) (Baer et al., 2006)的理論構念來源。循此內涵, Shapiro等人(2006)提出正念再感知模型, 認為個體通過客觀、不評判的態(tài)度進行有意識注意加工方式, 能更好地應對當下的體驗, 并進行積極地自我調整。我國研究者也指出, 正念培養(yǎng)個體觀察自身當前想法和情緒反應的能力, 這種能力有助于個體體會時刻發(fā)生的體驗變化, 更清晰地感知心理、情緒的內容, 進而促進認知?情緒?行為靈活性的增強和自動性的降低(陳語等, 2011)。正因如此, 在情緒預測過程中, 高特質正念個體能更清楚地認識到生活事件如何影響自身的情緒體驗, 擁有更客觀化的情緒體驗, 提升人們對經驗體驗的清晰性和鮮活性, 并弱化對刺激知覺的情緒偏向(Brown et al., 2007), 這又導致對未來情緒更為準確的判斷和預測(Emanuel et al., 2010; Kong, 2015)。正念本身所具有的這種作用, 促使其在人們的情緒生活中展現(xiàn)積極效應。

間接作用上, 研究3初步探索了注意聚焦的中介效應。以往研究表明, 由于沒能充分地考慮到除聚焦事件(focal event)外的其他信息, 當人們預測未來情緒時僅僅只看到“這一件事”對自己的影響, 這種聚焦錯覺(focalism)被認為是情緒預測偏差的關鍵認知成因(Wilson et al., 2000; Wilson & Gilbert, 2005)。如引言所述, 注意的自我調節(jié)和經驗定向是正念的兩個關鍵因素(Bishop et al., 2004), 前者促進注意范圍、提升認知功能, 能夠增加情緒和情緒線索的理解敏感性(Teper et al., 2013), 而情緒理解強的個體更有能力辨別情緒、注意情緒細節(jié)以及客觀評估當前和未來情緒的體驗(Emanuel et al., 2010; Kong, 2015); 后者提高一個人更客觀地意識和接受不同的過去和現(xiàn)在的經歷的能力, 相對于特質正念較低個體, 高特質正念者對自己的體驗采取更為接納、非評判的態(tài)度和去中心化視角, 更好地將自己的想法和情緒等視為過去、現(xiàn)在和未來的一段心理歷程(Shapiro et al., 2006), 從而能夠根據(jù)環(huán)境的變化做出更為靈活有效的調整, 而不是僅僅關注當前最突出的經歷, 從而降低情緒預測錯誤的可能性(或大小) (Hong et al., 2016)。

綜上, 本文初步提出一個正念的“擴大?聯(lián)結”模型來解釋正念降低情緒預測偏差的可能機制。一方面, 正念擴大人們的注意范圍和思維的開放性, 而不固化于當前狹窄的唯一情境事件, 另一方面, 正念促進過去?現(xiàn)在的經驗聯(lián)結, 提升情緒時間之旅的能力, 如研究者所指出的, 人們在想象未來時會受到過去經驗的顯著影響, 過去形成的自我概念或圖式會促進未來事件的想象(Cordonnier et al., 2016)。這兩個過程都有助于降低注意聚焦程度乃至避免聚焦錯覺的發(fā)生, 進而提升人們的情緒預測能力。

5.3 研究貢獻與不足

本研究有兩點理論貢獻。第一, 證實學業(yè)情境中存在情緒預測偏差。這種偏差在3個實驗中、在積極和消極情境中均得以發(fā)現(xiàn), 具有跨情境、穩(wěn)定性的表現(xiàn)。在學業(yè)這一青少年期重要的生涯任務和情緒生活情境中證實了情緒預測偏差, 不但豐富了以往這類領域性偏差研究的不足(迄今僅少數(shù)幾項研究), 而且推進了前瞻性學業(yè)情緒的研究(以往研究主要涉及體驗性學業(yè)情緒)。

第二, 揭示特質正念對降低情緒預測偏差的作用及其可能機制。研究者認識到, 在包括教育在內的大量社會情境中, 都需要避免情緒預測偏差、增強預測準確性(Elwyn et al., 2011)。本研究3個實驗均證實特質正念對情緒預測的促進作用, 實驗內的元分析表明這種作用在積極和消極情境事件中都達到顯著水平, 研究3還初步探討了特質正念通過降低注意聚焦進而降低預測偏差的中介路徑, 這種作用可能是通過正念的“擴大?聯(lián)結”機制得以實現(xiàn)的。近年來陸續(xù)有研究發(fā)現(xiàn), 人格因素能預測情緒預測偏差的發(fā)生、特別是這種偏差的方向和強度(孫琳等, 2020), 如Hoerger團隊的系列研究發(fā)現(xiàn), 人格因素可解釋預期和實際情緒反應一致性的30% (Hoerger, Chapman & Duberstein, 2016)。本研究為從特質正念等具體的人格層面揭示情緒預測偏差的成因提供了新的證據(jù)和解釋。

需強調的是, 3個實驗所選取的真實考試和模擬成就反饋情境, 都是學校教育實際的真實體現(xiàn), 凸顯本研究的生態(tài)學效度(ecological validity), 因而本研究的結果發(fā)現(xiàn)對于教育者重視并認識學業(yè)情緒預測偏差現(xiàn)象, 進而通過適當?shù)慕逃侄翁岣咔嗌倌暾钏健⒏纳魄榫w預測偏差、促進學業(yè)發(fā)展, 具有切實的教育實踐價值。

本研究也有一些不足。首先, 僅考察了特質正念的作用。依據(jù)Bishop等人(2004)的觀點, 正念代表個體對當下保持注意和覺察的能力, 它可被看作是類特質的一種心理狀態(tài)(即特質正念), 這種能力可以通過正念訓練得以提升。并有研究表明, 正念訓練可以改善個體情緒調控水平, 提升個體的情緒調控能力(Robins et al., 2012)。那么, 這種訓練是否具有情緒預測偏差的直接改善效應？這是未來研究值得探索的方向。其次, 在特質正念的作用機制考察方面尚存不足。研究3雖然初步揭示了注意聚焦的中介作用, 但它僅通過3個題項測量, 尚缺乏足夠的可靠性, 且以往的研究中更多對注意聚焦進行直接操縱(如Wilson et al., 2000), 這就制約了該模型的解釋效力。未來研究可在實驗中直接操縱注意聚焦, 以直接檢驗本文初步提出的正念“擴大?聯(lián)結”解釋模型。此外, 在特質正念的作用機制方面, 除了注意聚焦這一中介因素外, 可能還存在其它的因素, 比如Adam (2016)采用五因素正念量表進行研究后發(fā)現(xiàn), 特質正念總分與神經質存在顯著負相關, 與盡責性、開放性都顯著正相關。這提示我們, 特質正念與情緒預測偏差之間可能存在更為復雜的關系機制。

6 結論

本研究基于真實考試和實驗室模擬情境, 考察特質正念對初中生學業(yè)情緒預測偏差的影響及其機制, 獲得結論：(1)學業(yè)領域存在情緒預測偏差; (2)特質正念影響情緒預測偏差, 特質正念水平高的初中生情緒預測偏差相對更小, 反之則偏差更大; (3)注意聚焦在特質正念影響情緒預測偏差中存在中介作用, 這種作用可能是通過正念的“擴大?聯(lián)結”機制得以實現(xiàn)的。

Adam, W. H. (2016). The mindful personality: Associations between dispositional mindfulness and the Five Factor Model of personality.,, 154?158.

Baer, R. A., Smith, G. T., Hopkins, J., Krietemeyer, J., & Toney, L. (2006). Using self-report assessment methods to explore facets of mindfulness.,(1), 27?45.

Barsics, C., van der Linden, M., & D′Argembeau, A. (2016). Frequency, characteristics, and perceived functions of emotional future thinking in daily life.,(2), 217?233.

Bishop, S. R., Lau, M., Shapiro, S., Carlson, L., Anderson, N. D., Carmody, J., … Devins, D. (2004). Mindfulness: A proposed operational definition.,(3), 230?241.

Brenner, C. J., & Ben-Zeev, D. (2014). Affective forecasting in schizophrenia: Comparing predictions to real-time Ecological Momentary Assessment (EMA) ratings.,(4), 316?320.

Brown, K. W., Ryan, R. M., & Creswell, J. D. (2007). Mindfulness: Theoretical foundations and evidence for its salutary effects.,(4), 211?237.

Chen, N. (2014).(Unpublished doctorial dissertation). Shanghai Normal University.

[陳寧. (2014).(博士學位論文). 上海師范大學.]

Chen, N., Lu, J. M., & Wang, H. B. (2013). Interpersonal empathy gap can be overcome: Taking teachers forecasting students’ emotion as an example.,(12), 1368?1380.

[陳寧, 盧家楣, 汪海彬. (2013). 人際共情鴻溝可以跨越：以教師預測學生情緒為例.,(12), 1368?1380.]

Chen, N., Lu, J. M., & Wang, H. B. (2014). The example anchoring effect in the process of interpersonal emotional forecasting.,(4), 930? 935.

[陳寧, 盧家楣, 汪海彬. (2014). 人際間情緒預測過程中的樣例錨定效應.,(4), 930?935.]

Chen, Y., Zhao, X., Huang, J. H., Chen, S. Y., & Zhou, R. L. (2011). Effects of mindfulness meditation on emotion regulation: Theories and neural mechanism.,(10), 1502?1510.

[陳語, 趙鑫, 黃俊紅, 陳思佚, 周仁來. (2011). 正念冥想對情緒的調節(jié)作用: 理論與神經機制.,(10), 1502?1510.]

Cordonnier, A., Barnier, A. J., & Sutton, J. (2016). Scripts and information units in future planning: Interactions between a past and a future planning task.,(2), 324?338.

Deng, Y. Q. (2009).(Unpublished master’s thesis). Capital Normal University, Beijing.

[鄧玉琴. (2009).(碩士學位論文). 首都師范大學.]

Dong, Y., & Yu, G. L. (2007). The development and application of an academic emotions questionnaire.,(5), 852?860.

[董妍, 俞國良. (2007). 青少年學業(yè)情緒問卷的編制及應用.,(5), 852?860. ]

Dore, B. P., Meksin, R., Mather, M., Hirst, W., & Ochsner, K. N. (2016). Highly accurate prediction of emotions surrounding the attacks of September 11, 2001 over 1-, 2-, and 7-year prediction intervals.,(6), 788?795.

Dunn, E. W., Brackett, M. A., Ashton-James, C., Schneiderman, E., & Salovey, P. (2007). On emotionally intelligent time travel:Individual differences in affective forecasting ability.(1), 85?93.

Elwyn, G., Stiel, M., Durand, M.-A., & Boivin, J. (2011). The design of patient decision support interventions: Addressing the theory-practice gap.,(4), 565–574.

Emanuel, A. S., Updegraff, J. A., Kalmbach, D. A., & Ciesla, J. A. (2010). The role of mindfulness facets in affective forecasting.,(7), 815?818.

Gautam, S., Bulley, A., von Hippel, W., & Suddendorf, T. (2017). Affective forecasting bias in preschool children.,, 175?184.

Geng, X. W., Fan, L. L., & Zhao, L. N. (2019). The influence of learning agency beliefs on affective forecasting bias in middle school students’ learning behavior.,(1), 56?61.

[耿曉偉, 范琳琳, 趙李娜. (2019). 學習能動性信念對初中生學習行為中情感預測偏差的影響.,(1), 56?61.]

Geng, X. W., & Jiang, H. Y. (2017). Influence of regulatory focus and regulatory fit on impact biases in affective forecast.,(12), 1537–1547.

[耿曉偉, 姜宏藝. (2017). 調節(jié)定向和調節(jié)匹配對情感預測中影響偏差的影響.,(12), 1537–1547.]

Geng, X. W., Liu, D., & Niu, Y. H. (2020). Analytical thinking reduces impact bias in affective forecast.,(10), 1168 –1177.

[耿曉偉, 劉丹, 牛燕華. (2020).分析思維降低情感預測影響偏差.,(10), 1168?1177. ]

Geng, X. W., & Zhang, F. (2015). The impact bias in affective forecasting: Focalism or unforeseen adaptation?,(5), 1201–1206.

[耿曉偉, 張峰. (2015). 情感預測的影響偏差——聚焦錯覺還是適應忽視?,(5), 1201–1206.]

Gilbert, D. T., & Wilson, T. D. (2009). Why the brain talks to itself: Sources of error in emotional prediction.,(1521), 1335? 1341.

Green, J. D., Davis, J. L., Luchies, L. B., Coy, A. E., van Tongeren, D. R., Reid, C. A., & Finkel, E. J. (2013). Victims versus perpetrators: Affective and empathic forecasting regarding transgressions in romantic relationships.,(3), 329?333.

Hair, J. F., Black, W. C., Babin, B. J., & Anderson, R. E. (2010).. Englewood Cliffs, NJ: Prentice Hall.

Hayes, A. F. (2013).. New York: Guilford.

Hezel, D. M., Stewart, S. E., Riemann, B. C., & McNally, R. J. (2019). Affective forecasting accuracy in obsessive compulsive disorder.,(5), 573?584.

Hill, C. L., & Updegraff, J. A. (2012). Mindfulness and its relationship to emotional regulation.,(1), 81– 0.

Hoerger, M., Chapman, B., & Duberstein, P. (2016). Realistic affective forecasting: The role of personality.,(7), 1304?1316.

Hoerger, M., Chapman, B. P., Epstein, R. M., & Duberstein, P. R. (2012). Emotional intelligence: A theoretical framework for individual differences in affective forecasting.,(4), 716 –725.

Hoerger, M., & Quirk, S. W. (2010). Affective forecasting and the Big Five.,(8), 972 –976.

Hoerger, M., Scherer, L. D., & Fagerlin, A. (2016). Affective forecasting and medication decision making in breast- cancer prevention.,(6), 594?603.

Hong, P. Y., Lishner, D. A., Vogels, E. A., & Ebert, A. R. (2016). The effect of a mindfulness practice and dispositional mindfulness on affective forecasting.,(3), 153 –165.

Kabat-Zinn, J. (2003). Mindfulness-based interventions in context: Past, present, and future.,(2), 144 –156.

Kong, D. T. (2015). The role of mindfulness and neuroticism in predicting acculturative anxiety forecasting error.,1387?1400.

Kopp, L., Atance, C. M., & Pearce, S. (2017). “Things aren’t so bad!”: Preschoolers overpredict the emotional intensity of negative outcomes.,, 623?627.

Kumar, A., & Epley, N. (2018). Undervaluing gratitude: Expressers misunderstand the consequences of showing appreciation.,(9), 1423–1435.

Lau, T., Morewedge, C. K., & Cikara, M. (2016). Overcorrection for social-categorization information moderates impact bias in affective forecasting.,(10), 1340 –1351.

Lench, H. C., Levine, L. J., Perez, K., Carpenter, Z. K., Carlson, S. J., Bench, S. W., & Wan, Y. (2019). When and why people misestimate future feelings: Identifying strengths and weaknesses in affective forecasting.,(5), 724 –742.

Lench, H. C., Safer, M. A., & Levine, L. J. (2011). Focalism and the underestimation of future emotion: When it’s worse than imagine.,(2), 278?285.

Levine, E. E., & Cohen, T. R. (2018). You can handle the truth: Mispredicting the consequences of honest communication.,(9), 1400–1429.

Loehr, V. G., & Baldwin, A. S. (2014). Affective forecasting error in exercise: Differences between physically active and inactive individuals.,(3), 177?183.

Luo, H. B., Xu, F. M., Guo, Y. Y., Zheng, Q. Q., Li, B., & Zhang, H. (2013). Focusing illusion in affective forecasting.,(8), 1482?1492.

[羅寒冰, 徐富明, 郭永玉, 鄭秋強, 李彬, 張慧. (2013). 情感預測中的聚焦錯覺.,(8), 1482 –1492.]

Mata, A., & Sim?o, C. (2019). Karmic forecasts: The role of justice in forecasts about self and others., Online First Publication, December 19.

Miloyan, B., & Suddendorf, T. (2015). Feelings of the future.,(4), 196?200.

Pauketat, J. V. T., Moons, W. G., Chen, J. M., Mackie, D. M., & Sherman, D. K. (2016). Self-affirmation and affective forecasting: Affirmation reduces the anticipated impact of negative events.,(5), 750?759.

Peng, Y. Q., & Ju, M. Z. (2013). The “heart” of the working mechanism of mindfulness: Attention or attitude?,(4), 1009?1013.

[彭彥琴, 居敏珠. (2013). 正念機制的核心: 注意還是態(tài)度?,(4), 1009–1013.]

Pollmann, M. M. H., & Finkenauer, C. (2009). Empathic forecasting: How do we predict other people’s feelings?,(5), 978–1001.

Rasmussen, K. W., & Berntsen, D. (2014). “I can see clearly now”: The effect of cue imageability on mental time travel.,(7), 1063 –1075.

Robins, C. J., Keng, S.-L., Ekblad, A. G., & Brantley, J. G. (2012). Effects of mindfulness-based stress reduction on emotional experience and expression: A randomized controlled trial.,(1), 117–131.

Ruby, M. B., Dunn, E. W., Perrino, A., Gillis, R., & Viel, S. (2011). The invisible bene?ts of exercise.,, 67–74.

Sevdalis, N., & Harvey, N. (2007). Biased forecasting of postdecisional affect.,(8), 678? 681.

Shapiro, S. L., Carlson, L. E., Astin, J. A., & Freedman, B. (2006). Mechanisms of mindfulness.,(3), 373?386.

Sun, L., Duan, T., & Chen, N. (2020). On the causes and interventions of affective forecasting bias.,(12), 2018?2026.

[孫琳, 段濤, 陳寧. (2020). 情緒預測偏差的成因及干預.(12), 2018?2026. ]

Teper, R., Segal, Z. V., & Inzlicht, M. (2013). Inside the mindful mind: How mindfulness enhances emotion regulation through improvements in executive control.,(6), 449? 454.

Thompson, R. J., Spectre, A., Insel, P. S., Mennin, D., Gotlib, I. H., & Gruber, J. (2017). Positive and negative affective forecasting in remitted individuals with bipolar I disorder, and major depressive disorder, and healthy controls.,(5), 673?685.

Watson, D., Clark, L. A., & Tellegen, A. (1988). Development and validation of brief measures of positive and negative affect: The PANAS scales.,, 1063 –1070.

Wilson, T. D., & Gilbert, D. T. (2003). Affective forecasting. In P. Z. Mark (Ed.),Vol. 35 (pp. 345?411). San Diego, CA: Academic Press.

Wilson, T. D., & Gilbert, D. T. (2005). Affective forecasting: Knowing what to want.,(3), 131–134.

Wilson, T. D., Meyers, J., & Gilbert, D. T. (2001). Lessons from the past: Do people learn from experience that emotional reactions are short-lived?.,(12), 1648?1661.

Wilson, T. D., Wheatley, T., Meyers, J. M., Gilbert, D. T., & Axsom, D. (2000). Focalism: A source of durability bias in affective forecasting.,, 821–836.

Zelenski, J. M., Whelan, D. C., Nealis, L. J., Besner, C. M., Santoro, M. S., & Wynn, J. E. (2013). Personality and affective forecasting: Trait introverts underpredict the hedonic benefits of acting extraverted.,(6), 1092 –1108.

Zhang, P., Lu, J. M., & Zhang, M. (2012). The effect of mood on the probability judgment of future events.,(1), 100 –104.

[張萍, 盧家楣, 張敏. (2012). 心境對未來事件發(fā)生概率判斷的影響.,(1), 100?104.]

Zhu, P. Y. (2010).(Unpublished master’s thesis). Anhui Normal University, China.

[朱平原. (2010).(碩士學位論文). 安徽師范大學.]

The influence of dispositional mindfulness on the academic affective forecasting biases of middle school students

SUN Lin, DUAN Tao, LIU Wei, CHEN Ning

(Department of Psychology, Shanghai Normal University, Shanghai 200234, China) (Yantai Vocational College of Culture and Tourism, Yantai 264003, China)

Human beings have affective forecasting biases. Dispositional mindfulness may weaken the narrow focus of attention by promoting the expansion of the scope of attention and the association of emotional experience, to better simulate future emotions. For adolescents, schoolwork is an important developmental task as well as an arena for their emotion generation. In the present study, we propose the following hypotheses: Middle school students have academic affective forecasting biases (H1); dispositional mindfulness affects the forecasting bias (H2); and dispositional mindfulness reduces affective forecasting biases by weakening attentional focus (H3). To test these hypotheses, three experiments including field and laboratory situational experiments were conducted.

In the first experiment, 267 middle school students completed the Five Factor Mindfulness Questionnaire (FFMQ), and were invited to predict their feelings on achieving or not achieving their goals in the forthcoming midterm exam. After the midterm exam, they were asked to report their actual emotional experience at the moment they were informed of their final scores. In the second experiment, 70 middle school students were divided into two groups—high/low dispositional mindfulness groups—and invited to predict their emotions if they were to succeed or fail in the Word Combination Test (WCT). The test involved randomly giving participants positive or negative feedback. After the test, the participants were asked to report their real emotional experience of the success or failure. In the third experiment, 136 middle school students participated in a field experiment of achievement score feedback. Participants completed the FFMQ and attention focus questionnaires first, and then predicted their emotions regarding the result of the WCT. After completing the WCT, the participants were asked to answer the questionnaire about their emotional experiences.

In sum, the results of the three experiments congruently prove the existence of academic affective forecasting biases in adolescents. In addition, the influence of dispositional mindfulness on affective forecasting biases was as follows: whether it was a positive or negative situation, adolescents with higher dispositional mindfulness had relatively smaller affective forecasting biases, while adolescents with lower dispositional mindfulness had relatively larger forecasting biases, but the tendency of overestimating and underestimating the emotional experiencewas not significant. To confirm this, we conducted a meta-analysis combining the three experimental data. The results showed that the mean effect size of dispositional mindfulness in positive situations (achievement of test goals, success feedback) was= 0.56,= 4.31,< 0.001; and the mean effect size of dispositional mindfulness in negative situations (unfulfilled test goal, failure feedback) was= 0.42,= 3.47,< 0.001. Further, dispositional mindfulness reduces the cross-context robustness of academic affective forecasting biases. In addition, in the third experiment, we found that attentional focus played a mediating role in the effect of dispositional mindfulness on affective forecasting biases.

This study has two theoretical implications. First, it confirms the existence of affective forecasting biases in middle school students regarding their academics. Second, it reveals the effect of dispositional mindfulness on reducing biases of affective forecasting and its possible mechanism, which could be the amplification-bonding mechanism of mindfulness. In terms of practical implications, the real examination and simulated achievement feedback situations presented in this study are a reflection of real school educational activities and, therefore, have stronger ecological validity.

affective forecasting biases, dispositional mindfulness, attentional focus, academic emotion, ecological validity

2021-02-04

* 國家社科基金后期資助項目(項目編號：18FKS007)支持。

劉偉, E-mail: liuwei@shnu.edu.cn; 陳寧, E-mail: chenning@shnu.edu.cn

B842; G442